Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.08983

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2507.08983 (cs)
[提交于 2025年7月11日 ]

标题: 利用排行榜进行恶意模型的大规模分发

标题: Exploiting Leaderboards for Large-Scale Distribution of Malicious Models

Authors:Anshuman Suri, Harsh Chaudhari, Yuefeng Peng, Ali Naseh, Amir Houmansadr, Alina Oprea
摘要: 虽然对机器学习模型的中毒攻击已经得到了广泛研究,但对手如何大规模分发被污染的模型的机制仍然 largely 未被探索。 在本文中,我们揭示了模型排行榜——用于模型发现和评估的排名平台——如何可以成为对手进行隐蔽的大规模分发被污染模型的强大渠道。 我们提出了 TrojanClimb,一个通用框架,它能够在保持竞争性排行榜表现的同时注入恶意行为。 我们在四种不同的模态中展示了其有效性:文本嵌入、文本生成、文本到语音和文本到图像,表明对手可以在嵌入任意有害功能(从后门到偏见注入)的同时成功获得高排行榜排名。 我们的发现揭示了机器学习生态系统中的一个重大漏洞,突显了重新设计排行榜评估机制以检测和过滤恶意(例如,被污染的)模型的紧迫性,同时暴露了机器学习社区在采用未经验证来源的模型时的更广泛的安全影响。
摘要: While poisoning attacks on machine learning models have been extensively studied, the mechanisms by which adversaries can distribute poisoned models at scale remain largely unexplored. In this paper, we shed light on how model leaderboards -- ranked platforms for model discovery and evaluation -- can serve as a powerful channel for adversaries for stealthy large-scale distribution of poisoned models. We present TrojanClimb, a general framework that enables injection of malicious behaviors while maintaining competitive leaderboard performance. We demonstrate its effectiveness across four diverse modalities: text-embedding, text-generation, text-to-speech and text-to-image, showing that adversaries can successfully achieve high leaderboard rankings while embedding arbitrary harmful functionalities, from backdoors to bias injection. Our findings reveal a significant vulnerability in the machine learning ecosystem, highlighting the urgent need to redesign leaderboard evaluation mechanisms to detect and filter malicious (e.g., poisoned) models, while exposing broader security implications for the machine learning community regarding the risks of adopting models from unverified sources.
主题: 机器学习 (cs.LG) ; 密码学与安全 (cs.CR)
引用方式: arXiv:2507.08983 [cs.LG]
  (或者 arXiv:2507.08983v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.08983
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Anshuman Suri [查看电子邮件]
[v1] 星期五, 2025 年 7 月 11 日 19:35:29 UTC (828 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.LG
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.CR

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号